محمدعلی کاظمی

تحول دیجیتال در صنعت خدمات مالی موجب شده است که رفتار مشتریان در بسترهای آنلاین به یکی از منابع اصلی تولید داده برای تحلیل تصمیم گیری مالی تبدیل شود. در این میان، سیستم های توصیه گر مالی به عنوان ابزارهایی مبتنی بر هوش مصنوعی نقش مهمی در شخصی سازی خدمات مالی، بهبود تجربه کاربری و افزایش کارایی تصمیم گیری سرمایه گذاری ایفا می کنند. با این حال، بسیاری از سیستم های موجود هنوز بر داده های ایستا یا ویژگی های محدود مالی تکیه دارند و کمتر توانسته اند ابعاد رفتاری، شناختی و دیجیتال مشتریان را در فرآیند توصیه گری ادغام کنند. پژوهش حاضر با هدف طراحی یک چارچوب توصیه گر مالی شخصی سازی شده مبتنی بر رفتارشناسی دیجیتال مشتریان انجام شده است. این مطالعه با رویکرد مفهومی تحلیلی و با بهره گیری از ادبیات هوش مصنوعی، یادگیری ماشین و اقتصاد رفتاری، مدلی چندلایه برای تحلیل رفتار مالی کاربران در محیط های دیجیتال ارائه می دهد. در این چارچوب، داده های رفتاری شامل الگوهای کلیک، زمان تعامل، تاریخچه تراکنش ها، تعامل با محصولات مالی و شاخص های روان شناختی دیجیتال استخراج و به عنوان ورودی مدل توصیه گر استفاده می شوند. نتایج تحلیل نظری نشان می دهد که ترکیب رفتارشناسی دیجیتال با الگوریتم های توصیه گر می تواند دقت پیش بینی نیازهای مالی کاربران را افزایش داده و سطح شخصی سازی خدمات مالی را به طور معناداری بهبود دهد. همچنین این رویکرد می تواند به کاهش خطاهای تصمیم گیری سرمایه گذاران خرد و افزایش کارایی بازارهای مالی کمک کند. در نهایت، پژوهش حاضر چارچوبی نوین برای توسعه نسل جدید سیستم های توصیه گر مالی ارائه می دهد که در آن داده های رفتاری و الگوریتم های هوشمند به صورت یکپارچه در خدمت تصمیم سازی مالی قرار می گیرند.